改进的聚类分析算法在入侵检测中的研究
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第1章 绪论 | 第9-14页 |
| 1.1 本文研究背景及意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-12页 |
| 1.3 本文的主要工作 | 第12-13页 |
| 1.4 论文的总体框架 | 第13-14页 |
| 第2章 入侵检测与聚类分析 | 第14-21页 |
| 2.1 入侵检测 | 第14-18页 |
| 2.1.1 入侵检测的概念 | 第14-16页 |
| 2.1.2 入侵检测的方法 | 第16-18页 |
| 2.1.3 入侵检测系统 | 第18页 |
| 2.2 数据挖掘 | 第18-21页 |
| 2.2.1 数据挖掘的基本概念 | 第19页 |
| 2.2.2 常用数据挖掘算法 | 第19-20页 |
| 2.2.3 采用聚类算法的入侵检测 | 第20-21页 |
| 第3章 基于自适应的聚类算法的入侵检测 | 第21-35页 |
| 3.1 对 k-means 算法的分析 | 第21-24页 |
| 3.2 k-means 算法的缺陷与改进 | 第24-26页 |
| 3.3 改进的聚类算法的提出 | 第26-32页 |
| 3.3.1 数据集预处理 | 第27-28页 |
| 3.3.2 两个初始聚类点选取 | 第28-29页 |
| 3.3.3 其他初始聚类点的判断和选取 | 第29-32页 |
| 3.4 改进算法的整体描述 | 第32-35页 |
| 第4章 实验结果与分析 | 第35-43页 |
| 4.1 实验数据集 | 第35-40页 |
| 4.2 数据预处理 | 第40页 |
| 4.3 实验结果及分析 | 第40-43页 |
| 第5章 总结与展望 | 第43-45页 |
| 5.1 工作总结 | 第43页 |
| 5.2 工作展望 | 第43-45页 |
| 致谢 | 第45-46页 |
| 参考文献 | 第46-50页 |
| 附录 1 攻读学位期间发表的论文 | 第50页 |
